山东大学学报(工学版)

作者：郭芳,陈蕾,杨子文

单位：1. 南京邮电大学计算机学院，江苏 南京 210023；2. 江苏省无线传感网高技术研究重点实验室，江苏 南京 210023；3. 南京航空航天大学计算机科学与技术学院，江苏 南京 210016

关键词：网络流量预测,大规模IP骨干网,循环神经网络,LSTM,MGU,

基金：江苏省自然科学基金(BK20161516);中国博士后科学基金(2015M581794);国家自然科学基金(61872190)

为克服长短时记忆网络(long short-term memory, LSTM)计算成本相当大的弊端，提出基于最小门控单元(minimal gated unit, MGU)的大规模IP骨干网络实时流量预测方法。试验结果表明，与基于LSTM的流量预测方法相比，该方法以较少的模型训练时间获得了相当甚至略优的流量预测性能，在流量预测精度和实时性方面也优于已有的前馈神经网络(feed forward neural network, FFNN)和门控循环单元神经网络(gated recurrent unit, GRU)方法。

来源：2019年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2019年第2期